关键概念

本页介绍了 Ray 集群的关键概念：

Ray 集群

Ray 集群由一个 head node 和 任意数量的连接的 worker nodes 组成：

Note

在 Kubernetes 运行 时，Ray 节点以 pod 形式实现。

用户可以提交作业在 Ray 集群上执行，或者可以通过连接到头节点并运行 ray.init 来以交互方式使用集群。 有关更多信息，请参阅 Ray Jobs。

头节点

每个 Ray 集群都有一个节点，该节点被指定为集群的 头节点 。 头节点与其他 worker 节点相同，不同之处在于它还运行负责集群管理的单例进程，例如 自动缩放器, GCS 和运行 Ray 作业的 Ray 驱动程序进程。 Ray 可以像任何其他 worker 节点一样在头节点上调度task 和 actor，这在大型集群中是不可取的。 请参阅 Configuring the head node 以了解大型集群中的最佳实践。

worker 节点

自动缩放

Ray 自动扩缩器 是运行在 头节点 的一个进程（如果使用 Kubernetes，则作为 Head Pod 中的 sidecar 容器运行）。 当 Ray 工作负载的资源需求超过集群的当前容量时，自动扩缩器将尝试增加 worker 节点的数量。当 worker 节点处于空闲状态时，自动扩缩器将从集群中删除 worker 节点。

重要的是要了解，自动缩放器仅对任务和 actor 资源请求做出反应，而不是应用程序指标或物理资源利用率。 要了解有关自动缩放的更多信息，请参阅 VMs 和 Kubernetes 上的 Ray 集群的用户指南。

Ray 作业

Ray 作业是一个单一应用程序：它是来自同一脚本的 Ray 任务、对象和 actor 的集合。 运行 Python 脚本的 worker 称为作业的 驱动程序。

有两种方法可以在 Ray 集群上运行 Ray 作业：

1. （推荐） 使用 Ray Jobs API 提交作业

2. 直接在 Ray 集群的任意节点上运行驱动程序脚本，进行交互式开发。

有关这些工作流程的详细信息，请参阅 Ray Jobs API 指南。

在 Ray 集群上运行作业的两种方法。